全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 基于神经网络和流形学习的军用航空发动机故障诊断技术研究
- 作者： 彭贤博 来源： 吉林大学 年份： 2017 文献类型 ： 学位论文 关键词： 流形学习 滚动轴承 故障诊断 神经网络 军用航空发动机
- 描述： 失效的原因错综复杂,受到人为失误、材料缺陷、使用环境变化,以及疲劳、磨损和老化效应等很多因素的影响。这样就使军用航空发动机的故障诊断和分析越来越困难,需要更多的航空维修保障工作也要消耗大量人力物力去
- 某型航空发动机中介轴承故障诊断技术研究
- 作者： 董欢 来源： 沈阳航空航天大学 年份： 2017 文献类型 ： 学位论文 关键词： 特征提取 故障诊断 随机森林 中介轴承 最小熵解卷积
- 描述： 、环境温度高,因此,故障率高,对飞机的安全运行造成严重威胁。可见,开展航空发动机中介轴承故障诊断与状态监测技术研究,对保证飞机安全可靠运行具有重要意义。本文以某型航空发动机中介轴承为研究对象,利用航空发动机
- 一种基于TCN-LGBM的航空发动机气路故障诊断方法
- 作者： 吕卫民 孙晨峰 任立坤 赵杰 李永强 来源： 兵工学报 年份： 2023 文献类型 ： 期刊 关键词： 轻量级梯度提升机 注意力机制 航空发动机 故障诊断 时间卷积神经网络
- 描述： 长时间工作在高温高压、强振动等恶劣气路环境下的航空发动机经常面临部件疲劳、腐蚀和性能退化的问题，且其故障诊断时序逻辑性不强、故障参数耦合较深等特点十分明显，为此提出一种基于时间卷积神经网络(TCN
- 基于增强最小熵解卷积的航空发动机故障诊断
- 作者： 赵艺珂 王家序 张新 吴磊 刘治汶 来源： 中国机械工程 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 无偏自相关 故障诊断 轴承 最小熵解卷积
- 描述： 。仿真信号分析结果表明，所提方法在复杂干扰下仍能准确提取轴承故障冲击序列。航空发动机故障诊断案例分析证实了该方法对复杂机械结构中轴承故障诊断的有效性。
- 航空发动机机械磨损故障的诊断分析
- 作者： 刘永亚 来源： 科技资讯 年份： 2023 文献类型 ： 期刊 关键词： 机械磨损故障 航空发动机 磨损机理 故障诊断 诊断方法
- 描述： 航空运输由于其舒适性和便捷性成为大多数人出现方式的第一选择，但是，因为航空发动机磨损导致的事故问题较多，影响到了航空运输安全。故而，该文以航空发动机机械磨损故障为例，首先从航空发动机机械磨损故障诊断
- 基于改进LSTM的航空发动机气路参数预测方法
- 作者： 马帅 吴亚锋 郑华 缑林峰 来源： 测控技术 年份： 2023 文献类型 ： 期刊 关键词： 航空发动机 性能参数预测 特征注意力机制 LSTM网络 故障诊断
- 描述： 以航空燃气涡轮发动机气路故障诊断为导向,提出了一种用于发动机气路参数预测的特征注意力增强型长短时记忆网络(Feature Attention Enhanced Long Short/Term
- 高安全航空电爆管驱动及控制系统设计
- 作者： 呼明亮 闫稳 车炯晖 于方春 来源： 航空计算技术 年份： 2023 文献类型 ： 期刊 关键词： 反时限保护 故障诊断 电爆管 高安全 功率驱动
- 描述： 输出。软件接口采用分级接口的故障检测方式，实现电爆管断线、输出异常等故障诊断和隔离。数据接口采用指令有效性确认，实现指令、状态和BIT数据的综合处理。实验结果表明，电爆管驱动和控制电路安全可靠，对提升飞机系统安全具备重要意义。
- 航空发动机薄壁结构气流激振问题诊断与分析
- 作者： 路阳 葛向东 高强 耿春晖 郝长明 来源： 中国设备工程 年份： 2023 文献类型 ： 期刊 关键词： 薄壁结构 整机振动 航空发动机 故障诊断 气流激振问题
- 描述： 航空发动机尾喷管及燃气轮机后排气引射段等热端部件为薄壁结构，在热/声/流体载荷的共同作用下，容易产生气流激振问题，导致结构失稳。本文以某型航改燃气轮机的后排气引射段气流激振问题为研究对象，分析主机测点的振动响应情况；建立正向分析振动故障树，对故障机理进行分析，并列出现阶段的实验研究成果；结合后排气引射段的具体安装形式和频响特性试验的结果，对具体故障形式进行确认；列出排故方案以及排故验证试车的结果。文中所用到的分析方法和经验结论可为航空发动机气流激振问题的诊断与分析提供参考。
- 基于融合卷积Transformer的航空发动机故障诊断
- 作者： 赵洪利 杨佳强 来源： 北京航空航天大学学报 年份： 2023 文献类型 ： 期刊 关键词： 自注意力机制 航空发动机 故障诊断 深度神经网络 融合卷积Transformer
- 描述： ， BP网络）、卷积神经网络（Convolutional Neural Networks， CNN）和循环神经网络（Recurrent Neural Network， RNN）相比，准确率分别提高了6.552%、28.117%、13.189%和10.29%，证明了本文方法的有效性，可为航空发动机故障诊断提供一定的参考。